《机器学习实战》第二章 k-近邻算法
2017-04-23 16:27
204 查看
概述
k-近邻算法(kNN)采用测量不同特征值之间的距离进行分类优点:精度高、异常值不敏感。缺点:计算复杂度高、空间复杂度高。适用范围:数值型和标称型
工作原理:新数据与样本数据的特征进行比较,提取出最相似(距离最近的k个数据)的数据所对应的分类标签,选择k个最相似数据中出现最多的分类。
相关文章推荐
- [完]机器学习实战 第二章 k-近邻算法(k Nearest Neighbor)
- 《机器学习实战》第二章:k-近邻算法(3)手写数字识别
- 《机器学习实战》第二章——K-近邻算法
- 机器学习实战+第二章_k-近邻算法
- 《机器学习实战》第二章 2.2用k-近邻算法改进约会网站的配对效果
- 《机器学习实战》第二章:k-近邻算法(2)约会对象分类
- 《机器学习实战》读书笔记:第二章 k-近邻算法
- 《机器学习实战》第二章:k-近邻算法(1)简单KNN
- 第二章 k-近邻算法
- 【机器学习实战】第2章 K-近邻算法(KNN)
- 机器学习实战(第二篇)-k-近邻算法Python实现
- 《机器学习实战》k-近邻算法概述-程序清单详解kNN.py(未完待续)
- 《机器学习实战》课程笔记(第2章) k-近邻算法
- 机器学习实战-第二章(k-近邻算法)
- 读懂《机器学习实战》代码—K-近邻算法
- 从零单排《机器学习实战》(一):k-近邻算法
- py2.7 : 《机器学习实战》 k-近邻算法 11.19 更新完毕
- 《机器学习实战》之k-近邻算法(改进约会网站的配对效果)
- 『机器学习实战』使用 k-近邻算法改进约会网站的配对效果
- 《机器学习实战》——k-近邻算法实现